Klasifikasi perawatan gangguan kesehatan mental karyawan dengan algoritma K-Nearest Neighbor / Risalatul Mu'awanah - Repositori Universitas Negeri Malang

Klasifikasi perawatan gangguan kesehatan mental karyawan dengan algoritma K-Nearest Neighbor / Risalatul Mu'awanah

Mu'awanah, Risalatul (2019) Klasifikasi perawatan gangguan kesehatan mental karyawan dengan algoritma K-Nearest Neighbor / Risalatul Mu'awanah. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

RINGKASAN Mu awanah Risalatul. 2019. Klasifikasi Perawatan Gangguan Kesehatan Mental Karyawan dengan Algoritma K-Nearest Neighbor. Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing. (I) Triyanna Widianingtyas S.T. M.T. (II) Ilham Ari Elbaith Zaeni S.T. M.T. Ph.D. Kata Kunci Klasifikasi Perawatan Kesehatan Mental Karyawan K-Nearest Neighbor (KNN) Masalah kesehatan mental semakin menjadi hal yang berpengaruh di tempat kerja. Masalah tersebut akan mempengaruhi produktivitas karyawan sehingga berdampak pada ekonomi perusahaan. Dalam mengatasi permasalahan tersebut perusahaan perlu mengidentifikasi faktor-faktor yang terkait dengan kesehatan mental karyawan. Maka dari itu diperlukannya sebuah metode klasifikasi untuk mengetahui karyawan yang menginginkan perawatan gangguan kesehatan mental. Penelitian ini bertujuan untuk mengetahui penerapan feature selection menggunakan chi square terhadap kinerja algoritma K-Nearest Neighbor (KNN) dalam melakukan klasifikasi. Tahapan yang dilakukan dalam penelitian meliputi (1) proses pengumpulan data yang diperoleh dari Open Sourcing Mental Illnes (OSMI) (2) proses preprocessing data yang dilakukan adalah data cleaning feature selection data transformation (3) proses implementasi algoritma KNN dalam melakukan klasifikasi data dan (4) proses evaluasi untuk mengetahui hasil kinerja algoritma menggunakan confussion matrix yang akan menghasilkan nilai precision recall accuracy. Hasil penelitian menunjukan bahwa pengklasifikasian menggunakan algoritma KNN diperoleh hasil akurasi 87 27% precision 84 21% dan recall 96 97%. Berdasarkan hasil tersebut maka dapat disimpulkan kinerja yang dihasilkan lebih efektif dari penelitian sebelumnya. Kenaikan akurasi sebesar 2 27% ini dibandingkan dengan penelitian yang dilakukan oleh Shruti Appiah dalam melakukan klasifikasi mengggunakan Na ve Bayes dan SVM menghasilkan akurasi sebesar 66%. Dapat disimpulkan bahwa data perawatan kesehatan mental dapat diterapkan untuk klasifikasi menggunakan KNN menghasilkan tingkat akurasi yang tinggi.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 26 Aug 2019 04:29
Last Modified: 09 Sep 2019 03:00
URI: http://repository.um.ac.id/id/eprint/152151

Actions (login required)

View Item View Item